我们正在构建一个基于网络的信息系统，但在我们的一些工作站上（比方说5%），我们需要从网页上获得语音识别。今天，我们使用一个本地winform来完成这项工作，该winform是使用本地WCF客户端从网页启动的（之后我们还使用该客户端将文本放入网络编辑器），但这当然不是最好的集成。我不想要那种winform。我希望文本立即出现在网站上。
关于语音识别：我们有API，但这是本地软件。我们必须与他们互动，因为网页中的母语语音识别仍然很难做到，尤其是当你必须与语音麦克风（和按钮）等互动时
我们的想法是在后台应用程序中进行识别，并将结果发送给网页中的编辑器。例如，我们可以将本地应用程序作为与网页通信的本地Web服务器来运行。
因此，我的问题是：在知道我们有一个受控的环境，并且我们对网页和本地应用程序都有控制权的情况下，从网页与本地应用程序通信的最佳选择是什么（反之亦然）。我想的是，使用本地（主机）应用程序和网页之间的websocket将文本从应用程序传输到网站。请告诉我你对此的看法。
有一个HTML5音频api可以让你录制音频，你可以在这里找到例子：
http://www.html5rocks.com/en/tutorials/getusermedia/intro/
您可以找到此实现的几个扩展，例如
https://github.com/mattdiamond/Recorderjs
您可以将捕获的音频发送到服务器，以便使用websocket进行处理。如果你运行的是node.js服务器，你可以使用socket.io，你可以在这里找到例子：
https://github.com/cmusphinx/node-pocketsphinx/blob/master/demo/public/index.html
这个框架在新的浏览器中是受支持的，如果你想支持旧的浏览器，你可以使用flash技术，例如：
https://code.google.com/p/red5/